使用机器学习方法对月经疾病的非侵入性高光谱舌头诊断的可靠性

科学领域:

• 医疗成像医学成像
• 医疗保健中的机器学习
• 传统中国医学 诊断 诊断 诊断

背景情况:

• 从历史上看,人类舌头的外观有助于诊断与循环有关的病理.
• 月经疾病 (MD) 需要准确和非侵入性的诊断方法.

研究的目的:

• 用超光谱成像观察月经疾病患者的舌头变化.
• 评估高光谱舌头成像与机器学习 (HSI-ML) 结合用于诊断MD的疗效.

主要方法:

• 收集了来自429名MD患者和52名健康对照者的高光谱舌头图像.
• 从舌头涂层和身体中提取了光谱特征.
• 应用预处理技术 (例如,第二导数,S-G平滑) 和机器学习算法 (KNN,RF,SVM,ANN) 用于模型开发.

主要成果:

• 与对照人群相比,MD患者在舌头涂层和身体的光谱反射率显著降低 (P <0.05).
• 基于舌头身体光谱的最佳识别模型 ("第二D + S-G + ANN") 实现了高性能.
• 最好的模型显示了精度 (0.9729),宏精度 (0.9697),宏回忆 (0.9703) 和宏F1得分 (0.97).

结论:

• 超光谱舌头成像与机器学习相结合,提供了MD的快速和非侵入性检测方法.
• 这种HSI-ML方法显示了早期查和诊断月经疾病的巨大潜力.